基于等效电路模型与CDKF的锂离子电池荷电状态(SOC)估计

锂离子电池在社会生产各领域应用广泛,由于其复杂的电化学系统,状态检测难度较大,给供电保障带来不利影响.结合Thevenin等效电路与中心差分卡尔曼滤波法(CDKF),构建了一种聚合物锂离子电池的荷电状态(SOC)估计模型.MATLAB仿真验证表明,该模型能有效防止安时计数误差累积,电池SOC估计误差不超过5%.     

环氧树脂基复合材料加筋板结构吸湿行为研究

环氧树脂基复合材料的性能对湿热环境敏感，掌握该材料所组成结构的吸湿行为对其实际应用具有重要意义。通过以碳纤维环氧树脂基复合材料层合板的non-Fickian吸湿模型为基础，建立环氧树脂基复合材料加筋板结构的non-Fickian吸湿模型，在70℃/85% RH湿热条件下开展加筋板结构的吸湿实验，对所建立模型进行验证，并与已有的加筋板吸湿模型进行对比，通过所建立模型给出了加筋板沿厚度方向的吸湿量分布规律。结果表明:所建立加筋板non-Fickian吸湿模型的计算结果与实验结果吻合良好，在整个吸湿阶段相对误差小于5%，模型的预测精度高于传统Fick模型。所建立的加筋板non-Fickian吸湿模型可用于环氧树脂基复合材料加筋板层合结构吸湿量的准确预测。      

仿壁虎刚毛阵列对卫星表面吸附能力模型与计算

壁虎脚的粘着机理对航天机器人脚掌的研制和开发具有重要启发意义.通过单根刚毛与光滑表面黏着力模型与计算、卫星粗糙表面分布模型与接触概率与计算、刚毛阵列与卫星粗糙表面黏着力模型与计算等，分析仿壁虎刚毛阵列对卫星表面的吸附能力，发现在一定条件下仿壁虎刚毛阵能够在太空失重环境中黏着在卫星表面，对航天舱内爬行机器人、管道机器人的研制和开发具有重要的启示意义.     

适用于多迎角结冰试验的混合翼型设计

为突破结冰风洞对翼型模型尺寸的限制,提出了一种新的混合翼型设计方法,可使用一套混合翼型模拟原始翼型在不同迎角下的结冰试验,弥补了以往混合翼型只能在单个设计迎角下使用的缺陷。方法采用多段翼的形式设计混合翼型,以多目标迎角等结冰试验条件作为设计输入,优化设计主翼外形和襟翼的位置、偏转角度,利用襟翼位置和偏转角度的变化实现混合翼型和原始翼型前缘表面的压力系数在不同迎角下能够保持一致,继而保证前缘结冰外形的一致性。设计的混合翼型较原始翼型弦长减小接近40%,在冰风洞中对混合翼型和原始翼型在目标结冰条件下进行试验,对比结果显示,在选取的多个目标迎角下,混合翼型和原始翼型二维截面的结冰外形基本一致,提出的混合翼型设计方法能够有效的模拟原始翼型在不同迎角下的结冰外形。     

基于深度神经网络的客机总体设计参数敏感性分析

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响，有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题，根据其总体主要设计参数和特性指标的特点，以及多学科间的耦合关系，建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入，对特性指标进行预测。在深度神经网络模型中，设置了多个输入层、多个输出层以及多个分块的隐藏层，从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明，与传统代理模型相比，深度神经网络模型对客机特性指标的预测精度更高，多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明，机翼1/4弦线后掠角在30°~31.5°时，有利于减少最大起飞重量和起飞平衡场长；发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。     

几何尺寸约束的超燃冲压发动机推力喷管设计

针对机体/推进系统一体化要求，提出了一种几何尺寸约束的超燃冲压发动机推力喷管设计方法，以实现在满足几何约束条件下优化喷管的气动性能。采用数值模拟对提出的设计方法展开了研究，在此过程中，首先校核了数值方法有效性并确定了网格分辨率。进一步就喷管设计过程中2个关键设计因子——比例因子和非对称因子开展了影响研究。最后为验证本文提出的设计方法的有效性和优越性，将其与典型截短设计方法进行对比分析。结果表明，相比截短方法，本文提出的设计方法不仅能够获得满足几何约束的喷管，同时可使喷管推力系数、升力和俯仰力矩分别提升33.36%、265.75%和37.21%。此外，本文提出的设计方法还可以通过调整设计因子来获得不同气动性能的喷管，进而满足应用过程中的实际需求。     

几种常用步态检测典型算法的设计比较

基于步态检测技术是影响行人导航定位系统精度的一项关键因素,在研究了相关行人导航文献后,对行人步行状态建立模型,并选取了三种常见的步态检测算法,峰值检测算法、自适应峰值检测算法和零点检测算法,介绍分析了这几种算法的基本原理和设计思路。随后,在相同的环境下,基于同样的设备和测试者,设置几组不同的步行状态,分别使用三种算法对行人的运动步数进行测试统计。最后,比较测试结果,分析说明了三种算法的精确度以及各自的优缺点。     

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法，鉴于其对隐式函数的梯度较难求解，提出了一种基于Kriging模型梯度解析解的AFOSM方法，利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解，为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合，很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性，同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。